从一个文本文件创建多个txt文件

Question

我正在尝试从古腾堡计划中获取联邦党人文件并将其转换为文本文件。 古腾堡计划的问题在于每篇论文都没有分开——它作为一个大文本文件读入，所以我必须告诉 Python 为每篇联邦党论文创建一个新的文本文件（它们都包含在短语"FEDERALIST No. _"和"PUBLIUS" ）。

我拥有的代码大部分都有效，但我遇到的问题是它创建的第一个文本文件（根据我的代码命名为1.txt ）。 当我打开这个文件时，它包含2.txt腾堡计划中2.txt的整个原始文本，而不仅仅是联邦主义者 1 的文本。然后文件2.txt只包含联邦主义者 1 的内容，它正确地剪切了文本，它刚刚被抵消从它应该是 1 的文件。

我怀疑我的问题出在for循环中的某个地方，也许与我初始化变量的方式有关，但我看不到它导致此错误的原因。

# Importing the doc and creating individual txt files for each federalist paper

url = "https://www.gutenberg.org/files/1404/1404.txt"
response = request.urlopen(url)
raw = response.read().decode('utf8')

# finding the start and end of the portion of the doc we care about and subsetting
raw.find("FEDERALIST No. 1")
raw.rfind("PUBLIUS")
raw = raw[821:1167459]
# fixing the doc again... yeah this ain't clean but it's right
raw = raw[0:1166638]
# save as txt to work with below
print(raw, file=open("all.txt", "a"))

# looping over the whole text to break it into individual text docs by each
# federalist paper
with open("all.txt") as fo:
    op = ''
    start = 0
    cntr = 1
    paper = 1
    for x in fo.read().split("\n"):  # looping over the text by each line split
        if x == 'FEDERALIST No. ' + str(paper):  # creating new txt if we
                                                 # encounter a new fed paper
            if start == 1:
                with open(str(cntr) + '.txt', 'w') as opf:
                    opf.write(op)
                    opf.close()
                    op = ''
                    cntr += 1
                    paper += 1
            else:
                start = 1
        else:
            if op == '':
                op = x
            else:
                op = op + '\n' + x
    fo.close()

Answer 1

您可以使用re模块来拆分文本：

import re
import requests


url = "https://www.gutenberg.org/files/1404/1404.txt"
text = requests.get(url).text

r = re.compile(
    r"^(FEDERALIST No\..*?)(?=^PUBLIUS|^FEDERALIST)", flags=re.M | re.S
)
for i, section in enumerate(r.findall(text), 1):
    with open("{}.txt".format(i), "w") as f_out:
        f_out.write(section)

这将创建 85 个.txt文件，每个文件都包含论文中的部分。